Tag

caged vs. pnad Archives - Análise Macro

CAGED antecipa retomada mais forte do nível de atividade

By | Comentário de Conjuntura

Na Edição 58 do Clube do Código, realizei uma série de testes estatísticos envolvendo o saldo dessazonalizado entre admitidos e demitidos do CAGED e o crescimento acumulado em 12 meses do PIB. Os resultados encontrados sugerem, de forma bastante forte, que existe causalidade no sentido do saldo do CAGED para o crescimento do PIB. Para a decomposição de variância, passados 12 períodos, o saldo do CAGED explica mais de 95% da variância no crescimento do PIB.

Com base nisso e nos resultados do CAGED no 3º tri, podemos dizer que tivemos um PIB acima do esperado na margem. É possível que o PIB tenha crescido até 0,5% frente ao segundo trimestre. Os dados do CAGED, por suposto, também costumam antecipar os resultados da PNAD Contínua. Isso significa que devemos ver uma redução na taxa de desemprego mais forte nos próximos meses, respeitada a sazonalidade da série, obviamente.

_______________________

Novos Exercícios são publicados no Clube do Código

By | Clube AM

Informamos aos membros e alunos do plano premium dos nossos Cursos Aplicados de R que foram publicados hoje no Clube do Código três novos exercícios: (1) Edição 65 - A Econometria das Queimadas; (2) Edição 66 - Policiais mortos vs. mortes por policiais no RJ: há causalidade?; (3) Uma comparação econométrica entre o CAGED e a PNAD Contínua. Todos os códigos utilizados nos exercícios estão disponíveis no github.

Além dos exercícios, também foram adicionados os últimos Comentários de Conjuntura publicados no Blog da Análise Macro.

Uma comparação econométrica entre o CAGED e a PNAD Contínua

By | Macroeconometria

Ontem, eu publiquei um post chamando atenção para a divergência na margem entre o CAGED e a PNAD Contínua. Enquanto o primeiro vinha apontando resultados positivos há cinco meses, a segunda tem apresentado queda na contratação com carteira desde junho. De modo a melhor diagnosticar a relação entre as séries, optei por realizar um exercício um pouco mais aprofundado. Aplicamos três metodologias distintas às séries: (1) a aplicação do procedimento de Toda e Yamamoto (1995); (2) um modelo BVAR; (3) um modelo de correção de erros. Você pode saber mais sobre eles, a propósito, no nosso Curso de Séries Temporais usando o R. Nesse post, resumo os resultados encontrados.

Antes de mais nada, precisamos carregar alguns pacotes. O script de R começa então com os seguintes pacotes:


## Pacotes
library(ecoseries)
library(sidrar)
library(ggplot2)
library(scales)
library(vars)
library(aod)
library(BMR)
### Pacote Seasonal
library(seasonal)
Sys.setenv(X13_PATH = "C:/Séries Temporais/R/Pacotes/seas/x13ashtml")

Os dados são baixados do IPEADATA e do SIDRA/IBGE com o código abaixo:


## Baixar dados
caged = ts(series_ipeadata('272844966',
periodicity = 'M')$serie_272844966$valor,
start=c(1999,05), freq=12)

po = get_sidra(api='/t/6320/n1/all/v/4090/p/all/c11913/allxt')
carteira = po$Valor[po$`Posição na ocupação e categoria do emprego no trabalho principal (Código)`=='31722']
pnad = ts(carteira, start=c(2012,03), freq=12)

A seguir, tratamos os dados com o código abaixo:


## Dessazonalizar Caged
cagedsa <- final(seas(caged))

## Comparar 3 meses
pnad3 = pnad - lag(pnad,-3)
pnad3 = final(seas(pnad3))

cagedsa3 = cagedsa+lag(cagedsa,-1)+lag(cagedsa,-2)

## Juntar dados
data = ts.intersect(cagedsa3/1000, pnad3)
colnames(data) = c('caged', 'pnad')

Observe que no código acima estou comparando a variação de três meses da PNAD Contínua com o acumulado de três meses do CAGED. Isso é necessário porque a primeira é uma pesquisa de estoque enquanto a segunda é uma pesquisa de fluxo. Ademais, a PNAD faz referência a trimestres móveis enquanto o CAGED é mensal. Uma vez devidamente tratados, podemos apresentá-los no gráfico a seguir.

A correlação entre as séries é de 0,75. Na margem, contudo, observe que enquanto a PNAD está caindo, o CAGED acumulado em três meses segue aumentando. De modo a compreender a relação entre as séries, prosseguimos com a modelagem econométrica. Primeiro, aplicamos o procedimento proposto por Toda e Yamamoto (1995). Nesse procedimento, os resultados encontrados sugerem que o CAGED ajuda a explicar a PNAD Contínua, enquanto o inverso não é verdadeiro.

Ao se construir um BVAR com Minnesota Prior e extrair as funções de impulso-resposta, observamos que um choque no CAGED afeta a PNAD positivamente. A figura acima ilustra. A seguir, construímos um modelo de correção de erros entre as séries, já que as mesmas não são estacionárias. Também extraímos as funções de impulso-resposta. Abaixo, ilustramos com um choque no CAGED e o efeito sobre a PNAD.

Por fim, mas não menos importante, fazemos a decomposição de variância entre as séries. Descobrimos que, passados 12 meses, o CAGED explica cerca de 49% da variância da PNAD, enquanto a PNAD explica apenas 1% da variância do CAGED no mesmo horizonte de tempo.

Em outras palavras, os resultados encontrados sugerem que o saldo do CAGED tem precedência temporal sobre a população ocupada com carteira da PNAD Contínua, servindo de base para antecipar os resultados da mesma. O que significa que, na margem, o CAGED pode estar antecipando uma dinâmica futura da PNAD, isto é, a melhora no mercado de trabalho formal.

Esse ponto é importante haja visto que o diagnóstico consensual extraído da PNAD de que o mercado de trabalho aumentou a informalidade nos últimos meses. Isso dá margem para diversas discussões sobre precarização do trabalho e questões similares. À luz dos resultados encontrados nesse exercício, o movimento atual pode ser apenas parte da dinâmica natural do mercado de trabalho, isto é, primeiro há uma melhora do mercado informal, só depois isso se espalha para a formalização.

Um último ponto que queria chamar atenção - e aí, os economistas especializados em mercado de trabalho me corrijam se eu estiver falando bobagem - é que o CAGED capta um rito formal, isto é, o registro de admitidos e demitidos nas empresas, enquanto a PNAD capta questões um pouco mais abstratas, já que está baseada na resposta das pessoas a um questionário. Em outros termos, o CAGED está em melhor posição para capturar, portanto, a tendência do mercado de trabalho. Os resultados encontrados nesse exercício parecem fortalecer esse argumento.

___________________

(*) Os códigos completos desse exercício, a propósito, estarão disponíveis na Edição 67 do Clube do Código.

(**) Quer sugerir exercícios? Manda um e-mail para mim: vitorwilher@analisemacro.com.br.

PNAD Contínua vs. CAGED: uma análise comparativa com o R

By | Comentário de Conjuntura

O Brasil possui atualmente duas pesquisas principais, como aprendemos em nosso Curso de Análise de Conjuntura usando o R, sobre o mercado de trabalho. O Cadastro Geral de Empregados e Desempregados (CAGED), do hoje extinto Ministério do Trabalho, cobre o fluxo mensal de admitidos e demitidos em empresas devidamente registradas. Já a Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua) dá uma dimensão mais abrangente sobre o estoque de pessoas envolvidas (ou não) no mercado de trabalho.

Pode ser interessante, nesse sentido, fazer uma comparação entre as duas pesquisas. O código abaixo, por suposto, utiliza o pacote ecoseries para pegar os dados de admitidos do CAGED diretamente do site do IPEADATA, bem como utiliza o pacote sidrar para pegar os dados da população ocupada com carteira assinada do site do SIDRA/IBGE.


library(ecoseries)
library(sidrar)

## Baixar dados
caged = ts(series_ipeadata('231410417',
periodicity = 'M')$serie_231410417$valor,
start=c(1999,05), freq=12)

po = get_sidra(api='/t/6320/n1/all/v/4090/p/all/c11913/allxt')
carteira = po$Valor[po$`Posição na ocupação e categoria do emprego no trabalho principal (Código)`=='31722']
pnad = ts(carteira, start=c(2012,03), freq=12)

Uma vez de posse desses dados, devemos dessazonalizar os dados do CAGED com o código a seguir, utilizando o pacote seasonal.

library(seasonal)
cagedsa = final(seas(caged))

Com os dados do CAGED dessazonalizados, podemos pegar uma janela dos dados, lembrando que como a PNAD Contínua refere-se a uma média móvel trimestral, há uma defasagem de três meses em relação aos dados do CAGED. O código abaixo operacionaliza.


## Window
cagedsa = window(cagedsa, start=c(2012,06))
pnad = window(pnad, end=c(2018,09))

E por fim plotamos o gráfico de correlação entre as variáveis como abaixo...

Como podemos ver, há uma correlação positiva entre os dados próxima a 0,7. Quer aprender mais sobre como usar o R para fazer esse tipo de análise? Conheça nosso Curso de Análise de Conjuntura usando o R. Corre lá e garanta a sua vaga!

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente